(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210228315.6 (22)申请日 2022.03.10 (71)申请人 中国医学 科学院北京协和医院 地址 100000 北京市东城区王府井帅府园1 号 申请人 透彻影像 （北京） 科技有限公司 (72)发明人 周炜洵　王书浩　肖雨　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 赵银萍 (51)Int.Cl. G06K 9/62(2022.01) G16H 30/00(2018.01) G16H 50/20(2018.01) G16H 50/70(2018.01)G16H 70/60(2018.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) (54)发明名称 一种基于多尺度分析的人工智能病理辅助 诊断系统 (57)摘要 本发明提供一种基于多尺度分析的人工智 能病理辅助诊断系统， 包括： 预前处理模块： 用于 获取全扫描 图像， 根据所述全扫描图， 确定图像 切片， 提取所述图像切片 的组织掩模， 计算所述 组织掩模的覆盖比率， 并确定预选图像切块； 多 放大倍率图像块提取模块： 用于划分全扫描图像 的区域位置， 确定训练区域和预测区域， 提取所 述训练区域的训练数据， 通过所述训练数据训练 所述预测区域， 提取目标图像切块； 多放大倍率 特征融合模块： 用于提取所述目标图像切块的特 征值， 融合所述目标图像切块， 确定特征图； 仿真 诊断模型模块： 用于当融合完所有目标图像切 块， 根据所述特征图， 确定病变区域轮廓， 生成仿 真诊断模型。 权利要求书3页 说明书11页 附图2页 CN 114638292 A 2022.06.17 CN 114638292 A 1.一种基于多尺度分析的人工智能病理辅助诊断系统， 其特 征在于， 包括： 预前处理模块： 用于获取全扫描图像， 根据所述全扫描图， 确定图像切片， 提取所述图 像切片的组织掩 模， 计算所述组织掩 模的覆盖比率， 并确定预选图像切块； 多放大倍率图像块提取模块： 用于划分全扫描图像的区域位置， 确定训练区域和预测 区域， 提取所述训练 区域的训练数据， 通过所述训练数据训练所述预测区域， 提取目标图像 切块； 多放大倍率特征融合模块： 用于提取所述目标图像切块的特征值， 融合所述目标图像 切块， 确定特 征图； 仿真诊断模型模块： 用于当融合完所有目标图像切块， 根据 所述特征图， 确定病变区域 轮廓。 2.如权利要求1所述的一种基于多尺度分析的人工智能病理辅助诊断系统， 其特征在 于， 所述预 前处理模块包括： 图像切片单 元： 用于获取全扫描图像， 对所述全扫描图进行 数字切片， 确定图像切片； 图像缩略图单 元： 用于基于所述图像切片， 生成图像缩略图； 目标图像切片单元： 用于获取目标图像切片， 根据 所述目标图像切片， 确定目标图像切 片的切片位置； 其中， 所述目标图像切片是通过 预设的算法得到将要提取的图像切片； 覆盖比率单元： 用于提取图像缩略图的组织掩模， 并基于放大倍率和切片位置， 将所述 目标图像切片映射到所述图像缩略图的组织掩 模上， 并所述组织掩 模的覆盖比率； 预选图像切块单 元： 用于根据所述覆盖比率， 确定预选图像切块。 3.如权利要求2所述的一种基于多尺度分析的人工智能病理辅助诊断系统， 其特征在 于， 所述覆盖比率单 元执行提取图像缩略图的组织掩 模， 包括以下步骤： 步骤1： 划分所述图像缩略图， 生成 感兴趣区域和待处 理图像； 步骤2： 根据所述感兴趣区域， 确定感兴趣 掩模； 步骤3： 根据所述待处 理图像和感兴趣 掩模， 确定感兴趣图像； 步骤4： 获取N维矩阵， 对所述感兴趣图像进行像素 过滤， 并提取掩 模特征结构数据； 步骤5： 根据所述掩 模特征结构数据， 生成图像缩略图的组织掩 模。 4.如权利要求2所述的一种基于多尺度分析的人工智能病理辅助诊断系统， 其特征在 于， 所述预选图像切块单 元用于根据所述覆盖比率， 确定预选图像切块包括以下步骤： 步骤1： 获取图像缩略图面积S0， 采集组织掩 模的覆盖面积， 确定覆盖比率； 其中， ρ 代表覆盖比率， x代表组织掩模所在区域位置的横坐标， xi代表采集到的组织掩 模所在区域位置的第i个横坐标， i代表采集到的数据序值， m代表 一共采集到的区域位置的 横坐标数据个数， i∈(1,m),y代表组织掩模所在区域位置的横坐标,yj代表采集到的组织 掩模所在区域位置的第j个纵坐标， n代表一共采集到的区域位置的纵坐标数据个数， j∈ (1,n),S0代表图像缩略图面积； 步骤2： 对所述覆盖比率进行评估计算：权　利　要　求　书 1/3 页 2 CN 114638292 A 2其中， 所述H代 表覆盖比率的评估计算 规则， ρt代表理想覆盖比率； 步骤3： 当所述覆盖比率的评估计算>1， 代 表计算的区域可以成为预选区域； 步骤4： 当所述覆盖比率的评估计算<1， 代表计算的区域无需进行训练， 并继续计算下 一块组织掩 模的覆盖比率。 5.如权利要求1所述的一种基于多尺度分析的人工智能病理辅助诊断系统， 其特征在 于， 所述多放大倍 率图像块 提取模块包括： 划分单元： 用于划分全扫描图像的区域 位置， 生成预测区域和训练区域； 存储单元： 用于在所述训练区域进行 特征值训练， 获取训练数据； 预测演绎机制单元： 用于根据 所述训练数据， 对所述预测区域进行预演训练， 生成预测 演绎机制； 目标图像切块单元： 用于基于所述预测演绎机制， 进行全扫描图像进行预测演绎， 并确 定目标图像切块。 6.如权利要求1所述的一种基于多尺度分析的人工智能病理辅助诊断系统， 其特征在 于， 所述多放大倍 率特征融合模块包括： 特征图单元： 用于提取 所述目标图像切块的特 征值， 根据所述特 征值， 确定特 征图； 图像缩略图单 元： 用于根据所述特 征图， 获取 所述特征图的放大倍 率； 放大数据单元： 用于对所述放大倍率进行排序， 确定最大放大倍率特征图和调用特征 图， 并基于最大放大倍 率特征图的最大感受野， 确定调整数据； 目标图像缩略图单元： 用于根据所述调整数据， 对所述调用特征图的感受野进行倍率 增大至最大感受野， 并确定目标调用特 征图； 融合特征图单元： 用于将所述目标调用特征图沿着特征维度进行堆叠， 生成融合特征 图。 7.如权利要求1所述的一种基于多尺度分析的人工智能病理辅助诊断系统， 其特征在 于， 所述融合特 征图单元， 包括： 目标调用特征数据子单元： 用于获取目标调用特征图， 提取所述目标调用特征图的目 标调用特 征数据； 特征矩阵子单 元： 用于根据所述目标调用特 征数据， 生成特 征矩阵； 特征维度子单元： 用于获取所述特征矩阵， 确定目标调用特征向量， 并根据所述目标调 用特征向量， 生成特 征维度； 融合特征图子单元： 用于沿着所述特征维度， 通过目标调用特征矩阵过滤目标调用特 征图， 并融合目标调用特 征图的边 缘， 生成融合特 征图。 8.如权利要求1所述的一种基于多尺度分析的人工智能病理辅助诊断系统， 其特征在 于， 所述仿真诊断模型模块， 包括： 子任务单 元： 用于获取分块图像， 并根据所述分块图像， 获取子任务；权　利　要　求　书 2/3 页 3 CN 114638292 A 3